如何在帶有空閥門的熊貓/ python中做條件語句

如何在熊貓中做條件替換？如何在帶有空閥門的熊貓/ python中做條件語句

df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])

在的R - 覺得這個代碼是很容易理解：

library(dplyr) 
df = df %>% 
mutate( # mutate means create new column for non-r people 
my_new_column = ifelse(is.na(the_2nd_column)==TRUE & is.na(the_3rd_column)==TRUE, ' abc', 'cuz')

我怎麼在大熊貓做到這一點 - 與語法可能愚蠢的問題，但我聽說np.where是等效的if else R中......

df['new_column'] = np.where(np.nan(....help here with a conditional....))

來源

2016-12-28 runningbirds

np.where這樣

df['new_column'] = np.where(df[1].isnull() & df[2].isnull(), 'abc', 'cuz') 
print(df)

或更多numpy的

df['new_column'] = \ 
    np.where(np.isnan(df[1].values) & np.isnan(df[2].values), 'abc', 'cuz') 


    0 1 2 new_column 
0 1.0 2.0 3.0  cuz 
1 4.0 NaN NaN  abc 
2 NaN NaN 9.0  cuz

定時

來源

2016-12-28 08:30:55 piRSquared

您能否把時間按照升序排列？中間有一個208us，它應該上升。：D：P呵呵 – MYGz

謝謝你這個作品 - 特別是空.....版本，但是我有一個問題，如果你不介意。如果我是兩個追加兩個數據集，並且1個數據集中存在1個數據集，而另一個數據集中不存在 - 那麼當nan版本工作時，nan版本會產生錯誤消息。看起來，null對於錯誤更加健壯。 – runningbirds

也許有更好的基準數據集？ – Zero

使用更快的np.where

In [279]: df['new'] = np.where(df[[1, 2]].isnull().all(axis=1), 'abc', 'cuz') 

In [280]: df 
Out[280]: 
    0 1 2 new 
0 1.0 2.0 3.0 cuz 
1 4.0 NaN NaN abc 
2 NaN NaN 9.0 cuz

來源

2016-12-28 08:31:18 Zero

謝謝你這個作品 – runningbirds

如何在帶有空閥門的熊貓/ python中做條件語句

回答

相關問題